Another 240papers do not have category tags yet and are not included in filtered results.
提出持久视觉记忆注入，使对抗图像经缓存在触发时操控输出
Abstract论文提出 P-VMI，证实对抗输入被掩蔽后仍可经 KV 缓存持久控制模型，强调了保留状态的安全风险。
提出 STCA，对驾驶视频 VLM 构造可迁移的时空对抗扰动
提出 IAU-FOA，构造可迁移图像扰动以诱导多模态模型输出目标语义
提出 DIVA，利用跨步条件传播对离散扩散视觉语言模型实施视觉越狱
提出 FRA-Attack，用频域对齐与梯度正则做可迁移定向视觉攻击
FRA-Attack 是面向闭源 MLLM 的迁移式定向图像攻击。作者要解决的是：空间域局部对齐重复全局低频，代理梯度的高频成分又把更新拉向代理自身。
提出 CodecAttack，在编解码器隐空间构造可穿透有损压缩的对抗音频
提出 CrossMPI，仅用图像扰动实现跨模态提示注入
提出 GPO-V，用全局概率优化的视觉扰动越狱扩散视觉语言模型
GPO-V 把越狱从“开头必须顺从”改成“整段去噪概率朝肯定方向走”。。
提出 AudioHijack，用不可感知对抗音频对语音模型做上下文无关提示注入
Abstract提出了 AudioHijack 框架，揭示了 LALM 对听觉提示注入的脆弱性与传统防御的局限。
Proposes the universal curved mesh patch UCGP, causing cross-task semantic bias in infrared vision-language models.
UCGP is a universal physical adversarial patch for infrared vision-language models. The question is: can a patch that can be attached and reused across samples cause stable semantic deviations in the infrared visual evidence shared by classification, description, and VQA. The patch is constrained to a low-frequency curved mesh.
提出 CoTTA 隐蔽视觉提示注入，使多模态模型输出指定指令
AbstractCoTTA 以隐蔽触发和双目标对齐诱导指定句子。
Proposes XSPA, which uses X-shaped sparse adversarial perturbations to transfer attacks on VLMs.
Proposes MPCAttack, which synergizes multi-paradigm feature optimization for transferable visual adversarial perturbations.
Propose GDA, which aligns image adversarial perturbations with text-grounded evidence and transfers attacks to vision-language models
GDA is a zero-query black-box encoder transfer attack for heterogeneous LVLMs.
提出 SGHA-Attack，对视觉语言模型做可迁移定向图像扰动
SGHA-Attack 是对视觉语言模型的可迁移定向攻击：只在 CLIP 代理上优化扰动，让黑盒模型按指定文本描述图像。要处理的困难是，单一参考加上只对齐代理末层，会使优化绑在该嵌入空间上，中间层语义用不上，异构 VLM 上的指定描述更容易失败。引言把绕过安全护栏列为动机，测的则是描述是否被导向目标文本。
提出 TarVRoM-Attack，学习跨图像通用扰动以定向误导闭源 MLLM
提出 CAGE 攻击，在视觉 token 压缩下用图像扰动使预测偏离
CAGE 研究的是：LVLM 在推理时剪枝或合并视觉 token 之后，对抗稳健性该怎么估。
提出 LAMP，学习可迁移的多图通用对抗扰动
提出 SOUNDBREAK，用仅音频共享对抗扰动使三模态模型答错
提出 Vision 与 Caption 攻击，扰动点云操纵 3D VLM 输出
对 point-based 3D VLM 的白盒对抗鲁棒性评测。 作者关心驾驶、机器人等场景里，小几何扰动能否改写类别或描述，以及定向诱导特定输出是否像 2D 那样容易。方法上，Vision Attack 用余弦相似度推远原视觉 token，或拉向另一点云的特征。